传媒行业深度研究报告：多模态AI的五重奏，国产大模型的探索序章

报告总结了多模态领域的发展趋势和关键方向，强调了大模型在赋能企业发展的三种模式：大模型+原有业务、开源大模型+AI产品、垂类模型+行业数据。文本、视频、音频是重点关注的三大方向，分别在多模态能力、长文本处理和商业化潜力等方面展现出独特优势。

文本方向：

• 国产大模型追赶：文本领域，国产大模型在追赶海外大模型的同时，已探索出差异化优势，尤其是长文本处理能力。
• 定制化竞争：下一阶段的文本差异化竞争将围绕用户的定制化需求展开，基于庞大用户数据的特征搜集，形成更深层次的产品护城河。

视频方向：

• 产品爆发：2023年被视为AI视频的元年，主要得益于基于Diffusion架构的视频生成模型的兴起。
• DiT架构：Sora采用的DiT架构展现了高可拓展性和在三维空间的优秀表现，但也带来了算力挑战。
• 商业化潜力：高质量视频语料库成为关键优势，拥有此类资源的公司将在竞争中占据有利地位。

音频方向：

• 产品分类：AI音频产品分为TTS、SVC和AI音乐三大类，其中TTS和语音设计市场潜力较大。
• AI音乐：AI音乐产品Suno V3的发布标志着音乐创作市场的变革，有望革新音乐制作流程。

投资建议：

• 文本：关注国产大模型在长文本处理方面的差异化优势。
• 视频：推荐重点关注视频生成领域，特别是基于Diffusion架构的产品。
• 音频：看好TTS和AI音乐市场，特别是AI音乐的创新和应用前景。

风险提示：

• 技术发展不确定性、市场竞争加剧、法律监管风险和供应链安全问题。

投资机会：

• 上游关注语料库建设，如中文在线、华数传媒等；
• 下游关注B端/C端应用场景，如AI音乐社交、广告、电商等，以及影视和游戏行业的AI应用。

这份报告提供了对AI领域多模态发展的深入洞察，强调了中国厂商在追赶国际先进水平方面的机遇与挑战，并给出了具体的投资建议和风险提示，为企业和个人投资者提供了宝贵的参考。